先说结论
Command Code 的公开模型列表里写的是 deepseek/deepseek-v4.1-flash,但我本机 Magpie 的调用台账里,同一条路径实际返回的 served 名是 deepseek-v4.1-flash-dedicated。-dedicated 这个后缀不在 Command Code 公开的任何模型 id 里。这不是「模型更强」的证据,而是「请求在到达你之前已经被平台加了一层」的证据:名字不同、协议路径不同、harness 还会改写工具调用。拿它当 DeepSeek 官方版的基线来对比,结论会失真。
两个名字对不上
Magpie 每次调用都会在台账里记两件事:我请求的 model,和上游实际返回的 served。2026-11-12 我把本机 ~/.config/magpie/usage.jsonl 按供应商分组,DeepSeek V4.1 Flash 这一档的结果是:
| 供应商 | 请求的 model | 上游返回的 served | 次数 |
|---|---|---|---|
| opencode-go | deepseek-v4.1-flash | deepseek-v4.1-flash | 94,283 |
| workbuddy | deepseek-v4.1-flash | deepseek-v4.1-flash | 89,031 |
| commandcode | deepseek/deepseek-v4.1-flash | deepseek/deepseek-v4.1-flash | 62,872 |
| commandcode | deepseek/deepseek-v4.1-flash | deepseek-v4.1-flash-1017 | 3,069 |
| commandcode-plan | deepseek/deepseek-v4.1-flash | deepseek-v4.1-flash-dedicated | 832 |
前三行是「请求什么就回什么」,名字原样透传。最后一行不是:我请求的是 deepseek-v4.1-flash,回来的是 deepseek-v4.1-flash-dedicated。同一次统计里,-dedicated 只出现在 Command Code 的订阅计费通道上,opencode 和 WorkBuddy 一次都没有。
再说清楚一点:这个后缀在 Command Code 自己的文档里也找不到。它的 Available Models 页把 DeepSeek 家族列成 deepseek-v4-flash、deepseek-v4-flash-fast、deepseek-v4-flash-vision-exp、deepseek-v4-pro、deepseek-v4.1-flash、deepseek-v4.1-flash-fast、deepseek-v4.1-flash-ultrafast 七个 id,没有 -dedicated。
这里要排掉一个容易误判的点:上表里的 -1017 不是平台加工。它是 DeepSeek 官方的版本后缀——2026-10-17 官方更新日志写的就是 DeepSeek-V4.1-Flash-1017,API 调用方式不变、仍用 deepseek-flash 即可访问。所以 commandcode 那两个 served 名都是官方的,只是一新一旧。真正对不上的只有 -dedicated 一个。
-dedicated 大概是什么意思
dedicated 这个词在推理服务里有明确用法:Together AI 的更新日志就把「模型可用于 dedicated endpoints」当作部署选项来说。所以它更可能是部署标识——Command Code 给你单独划的推理实例或配额池——而不是模型能力标识。专用实例能改善延迟和稳定性,不会让权重变强。
这也解释了为什么它只在订阅通道出现:走 API Key 的 commandcode 通道回的是 deepseek/deepseek-v4.1-flash,走订阅的 commandcode-plan 通道回的是 -dedicated。两条通道背后不是同一套实例。
第二处证据:协议路径也不一样
名字之外还有一层。同一份台账里,ep 字段记的是请求进来时的协议和发出去时的协议:
| 供应商 | 主要协议路径 | 次数 |
|---|---|---|
| opencode-go | /v1/messages(原生透传) | 49,549 |
| commandcode | /backend-api/codex/responses | 37,361 |
| commandcode | /v1/messages → /v1/chat/completions | 25,644 |
| commandcode-plan | /v1/messages → /v1/chat/completions | 5,276 |
opencode-go 那条是原样转发:Claude Code 发 Anthropic Messages,上游也收 Anthropic Messages。Command Code 两条都不是——要么走它自己的 Codex 风格 responses 端点,要么把 Anthropic 格式翻译成 OpenAI Chat Completions 再发。翻译层的存在本身就说明:DeepSeek 收到的请求体,不是 Claude Code 写出来的那一个。
顺带说延迟,但别误读:本机 p50 首字时间是 workbuddy 2,380 ms、commandcode-plan 2,574 ms、opencode-go 4,014 ms、commandcode 4,584 ms。这是端到端含排队和网关开销,不是模型速度对比,只能说明专用通道在体感上更快。
第三处:harness 自己就在改输出
Command Code 是终端里的编码 Agent,官方定位是跑开放模型。它文档里有一整章 Harness Engineering,拆成三篇:Tool Call Repairs、The Read Tool、The Shell Tool。工具调用失败会被修复后重试,文件读取和 Shell 执行都有自己的一套包装。
这一层不碰权重,但直接决定你看到什么:工具调用失败的修复策略、重试次数、上下文怎么截断、系统提示怎么组织,全都在平台侧。同一个模型换个 harness,指纹必然不同。
模型指纹能说明什么,不能说明什么
Magpie 里那个 Fingerprint 页来自插件 @magpie-community/page-fingerprint(0.2.3,底座是 lm-detector 的 lmfpd),做的事是发同一组挑战提示、比较数值响应指纹,用来排查「疑似模型替换」。
它自己的 README 写得很清楚:排名是调查证据,不是模型身份证明,也不推断隐藏的分词器。
所以指纹对不上,能支撑的结论只有一句:这个通道的行为和某个基准不一样。它不能推出「换了个模型」,更不能推出「量化过」。
权重精度这条:官方信息能推到什么程度
「是不是量化过」这个问题,公开信息其实比「完全没有」多一些,值得单独说清楚。
V4.1 Flash 发布时就带 4 bit 权重。NVIDIA 放出的 NVFP4 版本说明写得很直白:基线是 DeepSeek 官方的 DeepSeek-V4.1-Flash,一个 routed experts 用 MXFP4 的混合精度 checkpoint,注意力、共享专家、视觉、MTP 这些部件保留源精度;NVIDIA 自己的处理是把 384 个专家 × 40 层的 w1/w2/w3 从源 MXFP4 换成 NVFP4(W4A4,group size 16)。
也就是说,路由专家本来就是 4 bit。想再往下压到 3 bit 甚至 2 bit,只能换成 GGUF 这类不被 GPU 原生加速的格式,推理时还得反量化回高精度,算力和显存两头都不划算。
所以能说的是:在「权重精度」这个意义上,说这些通道被额外量化了,缺乏动机;Command Code 把权重压得更低也没有收益。 但这是推理,不是本地复算——我手上没有这些通道实际加载的 checkpoint,不能反过来「证明」它们加载的就是官方那几个文件。
我没验证的三件事
- 各通道实际加载的 checkpoint 与权重精度:未验证。只能从官方发布格式与商用动机推断「再量化没有收益」,没有本地可复算的权重证据。
- dedicated 实例的具体规格:未验证。只知道它存在、只在订阅通道出现。
- 这些名字会不会变:未验证。Command Code 更新很勤,served 名可能随版本调整。
把这三条写出来的原因很简单:-dedicated 这个名字很诱人,容易被读成「官方专门给我的加强版」。它不承载这个含义。
实际怎么用
- 日常编码:没问题。这个通道反而更顺手,命令导向的输出更贴合终端里的用法。
- 做模型基线、复现官方行为:不行。名字、协议、harness 三层都改过,拿它代表 DeepSeek 会偏。
- 记录口径:记 served 名,不要只记你请求的名字。不然过两个月回头看,你不知道当时到底跑的是什么。
Magpie 自己的配置和路由写法我在本地模型网关那篇里拆过;同样这几个套餐在 token 购买力上的差距,在三家 DeepSeek 套餐对比里算过。DeepSeek 相关的其余拆解收在 DeepSeek 个人实战总结。
怎么自己复现
Mac 上 Magpie 的台账是 JSON Lines,一行一次调用:
python3 - <<'PY'
import json, collections
c = collections.Counter()
for line in open('/Users/<你>/.config/magpie/usage.jsonl', encoding='utf-8'):
try: d = json.loads(line)
except: continue
m = d.get('model') or ''
if 'deepseek-v4.1-flash' not in m: continue
c[(d.get('provider'), d.get('served') or '(none)')] += 1
for (p, s), n in c.most_common(20):
print(f'{n:8d} {p:22s} served={s}')
PY
看两个字段就够了:provider 和 served。只要它们和 model 不是一一对应,这条通道就动过东西。
最后
「Command Code 的 DeepSeek 不是纯的」这句话,准确的说法是:它不是官方模型的直连镜像,而是平台在名字、协议和 harness 三层都做过处理的专用部署。这个处理对日常使用是加分,对模型对比是噪音。分清楚这两件事,比争论它到底「纯不纯」有用得多。
COMMENTS
读者评论